核心用法
ResearchVault 是一款面向 AI 代理工作流设计的本地优先研究编排引擎，核心围绕「项目-数据-策略」三层架构展开运作。
项目初始化 (vault.py init) 建立带有明确研究目标（--objective）的持久化工作空间，生成唯一项目 ID；数据摄取 (vault.py scuttle) 支持 URL 定向抓取与结构化存储，所有原始数据写入本地 SQLite 数据库；自主策略 (vault.py strategy) 触发内置的分析代理，基于已累积数据进行趋势合成与验证任务编排。
技术栈层面要求 Python ≥3.13，提供标准 venv 与 uv 双路径安装，通过 RESEARCHVAULT_DB 环境变量可自定义数据库位置。可选集成 Brave Search API 以启用实时检索与外部信源交叉验证。
显著优点
1. 本地优先架构：数据主权完全归属用户，规避云端服务的隐私泄露与供应商锁定风险
2. 状态持久化：研究过程的中间产物、代理决策轨迹全量留痕，支持断点续研与审计回溯
3. 代理原生设计：从命令行接口到数据模型均为自主代理工作流优化，非简单文档库封装
4. 轻量化部署：单 SQLite 文件 + Python 环境即可运行，无复杂基础设施依赖
潜在局限
- Python 版本门槛：强制要求 3.13+，老旧环境需升级
- 可选功能依赖外接 API：实时搜索与深度验证需 Brave API Key，否则退化为纯离线模式
- 生态处于早期：作为新兴工具，周边集成与社区资源尚待积累
- 无内置 GUI：当前仅为命令行工具，非技术用户上手成本较高
适合人群
- 需要长期追踪复杂议题的研究人员与分析师
- 构建自主研究代理的 AI 开发者
- 对数据隐私敏感、拒绝 SaaS 方案的企业/机构
- 希望复现、审计 AI 研究过程的学术场景
常规风险
数据库文件未加密存储于本地文件系统，多用户共享设备需注意权限隔离；自动网络请求功能（scuttle/strategy 中的外部验证）存在 SSRF 攻击面，建议生产环境配合网络隔离策略使用。